Structure and properties of materials by solid-state nuclear magnetic resonance
Notice bibliographique
Résumé
Since the early days of nuclear magnetic resonance (NMR) spectroscopy, experiments on crystalline materials have provided structural and crystallographic information. The scope of this information may range from a single internuclear distance to a complete structural model. In this lecture, I will provide an overview of the field of NMR Crystallography, a topic on which the IUCr established a Commission in 2014, as well as NMR applications to crystal engineering [1]. NMR crystallographic methods are frequently used in combination with diffraction methods, and offer particular advantages for studying disorder, dynamics, and heterogeneous systems, for example. I will then present a survey of applications of solid-state NMR spectroscopy to the study of various organic and inorganic materials, with an emphasis on work from my own laboratory. For example, we have developed and applied a multinuclear magnetic resonance crystallographic structure refinement and cross-validation protocol using experimental and computed electric field gradients [2]. A second aspect of our work is the characterization of halogen-bonded cocrystals and frameworks, often prepared via mechanochemical approaches. Solid-state NMR spectroscopy is used in this context to provide insights into the formation and structure of cocrystals, as well as the nature of the halogen bond [3]. As a third example, I will describe various intriguing applications of two-dimensional double-quantum filtered NMR experiments. In favourable cases, such experiments may be employed to provide direct information on crystallographic symmetry and on dynamic disorder in solids.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».